张航　杨靖

摘要：针对传统鸡群优化算法存在求解精度偏低、局部搜索能力弱等问题，提出了一种改进的鸡群优化算法。改进算法选择利用动态簇解决单一工作节点能力有限问题，提出一种基于网格的序列鸡群算法，优化标准鸡群算法的种群分组更新机制，仿真和实验结果表明该算法相比传统算法具有定位精度高、收敛速度快、实时性好等优点。

关键词：无线传感器网络;鸡群算法;动态簇;定位精度

【Abstract】Aimingattheproblemsoflowaccuracyandweaklocalsearchabilityintraditionalchickenflockoptimizationalgorithms，animprovedchickenflockoptimizationalgorithmisproposed.Improvedalgorithmselectionusesdynamicclusterstosolvetheproblemoflimitedcapacityofasingleworkingnode.Agrid-basedsequentialchickenflockalgorithmisproposedtooptimizethepopulationgroupingupdatemechanismofthestandardchickenflockalgorithm.Simulationandexperimentalresultsshowthatcomparedwithtraditionalalgorithms，thisalgorithmhastheadvantagesofhighpositioningaccuracy，fastconvergencespeedandgoodreal-timeperformance.

【Keywords】wirelesssensornetwork;chickenswarmalgorithm;dynamiccluster;positioningaccuracy

作者簡介：张航（1996-），男，硕士研究生，主要研究方向：物联网技术与应用;杨靖（1973-），男，博士，教授，主要研究方向：物联网技术与应用。

0引言

群智能算法作为一种新的优化技术，是从鸟类、鱼类等生物群的行为研究中获得的。这是一种受自然生物群智能现象启发的智能方法，并具有自组织、自学习、自适应和内部并行的特点。与传统数学方法相比，“适者生存”思想采用通用、智能的方法更容易解决问题。这些算法，如粒子群优化（PSO）[1]、蚁群优化（ACO）[2]、人工蜂群算法（ABC）[3]、人工鱼群算法（AFSA）[4]、蝙蝠算法（BA）[5]等，使用工程、管理和计算科学等领域的优化又有了新的优化技术。文献[6]采用改进的人工鱼群算法对系统的硬件和软件进行了划分。文献[7]采用粒子群优化算法对热电目标进行动态跟踪。文献[8]模拟电路测试点优化通过动态蚁群算法实现。智能算法在不断更新，包括磷虾群优化算法[9]、混沌果蝇算法[10]、蜘蛛算法[11]。这些都是基于大自然生物的生命周期表现的规律进行总结而得到的新兴算法。……